650亿参数大模型预训练方案开源可商用！LLaMA训练加速38%，来自明星开源项目

明敏 2023-07-18 19:18:01 来源：量子位

明敏 发自 凹非寺

量子位 | 公众号 QbitAI

650亿参数大模型的预训练方案，发布即开源。

训练速度较传统方案提升38%。

这就是由Colossal-AI最新发布的类LLaMA基础大模型预训练方案。

要知道，在“百模大战”背景下，谁拥有自家大模型，往往被视为核心竞争力。

在这个节点下，愿意开源大模型的公司少之又少。

但自己从头训练一个大模型，对技术、资金都有很高要求。

由此，Colossal-AI最新的开源动作，可以说是应时势所需了。

并且它还不限制商业使用，开箱即用仅需4步。

具体项目有哪些内容？一起往下看~

开源地址：https://github.com/hpcaitech/ColossalAI

32张A100/A800即可使用

实际上，自从Meta开源LLaMA后，掀起了一波微调项目热潮，如Alpaca、Vicuna、ColossalChat等都是在其基础上打造的。

但是LLaMA只开源了模型权重且限制商业使用，微调能够提升和注入的知识与能力也相对有限。

对于真正想要投身大模型浪潮的企业来说，训练自己的核心大模型非常重要。

开源社区也此前已献了一系列工作：

• RedPajama：开源可商用类LLaMA数据集（无训练代码和模型）
• OpenLLaMA：开源可商用类LLaMA 7B/13B模型，使用EasyLM基于JAX和TPU训练
• Falcon：开源可商用类LLaMA 7B/40B模型（无训练代码）

但这些都还不够，因为对于最主流的PyTorch+GPU生态，仍缺乏高效、可靠、易用的类LLaMA基础大模型预训练方案。

所以Colossal-AI交出了最新的开源答卷。

仅需32张A100/A800，即可搞定650亿参数类LLaMA大模型预训练，训练速度提升38%。

而像原生PyTorch、FSDP等，则因显存溢出无法运行该任务。

Hugging Face accelerate、DeepSpeed、Megatron-LM也未对LLaMA预训练进行官方支持。

开箱即用、4步搞定

而这一项目真正上手起来也很简易。共有四步：

• 1、安装Colossal-AI
• 2、安装其他依赖项
• 3、数据集
• 4、运行命令

具体代码如下：

第一步、安装Colossal-AI。

git clone -b example/llama https://github.com/hpcaitech/ColossalAI.git
cd ColossalAI
# install and enable CUDA kernel fusion
CUDA_EXT=1 pip install .

第二步、安装其他依赖项。

cd examples/language/llama
# install other dependencies
pip install -r requirements.txt
# use flash attention
pip install xformers

第三步、数据集。

默认数据集togethercomputer/RedPajama-Data-1T-Sample将在首次运行时自动下载，也可通过-d或—dataset指定自定义数据集。

第四步、运行命令。

已提供7B和65B的测速脚本，仅需根据实际硬件环境设置所用多节点的host name即可运行性能测试。

cd benchmark_65B/gemini_auto
bash batch12_seq2048_flash_attn.sh

对于实际的预训练任务，使用与速度测试一致，启动相应命令即可，如使用4节点*8卡训练65B的模型。

colossalai run –nproc_per_node 8 –hostfile YOUR_HOST_FILE –master_addr YOUR_MASTER_ADDR pretrain.py -c ’65b’ –plugin “gemini” -l 2048 -g -b 8 -a

如果使用Colossal-AI gemini_auto并行策略，可便捷实现多机多卡并行训练，降低显存消耗的同时保持高速训练。

还可根据硬件环境或实际需求，选择流水并行+张量并行+ZeRO1等复杂并行策略组合。

其中，通过Colossal-AI的Booster Plugins，用户可以便捷自定义并行训练，如选择Low Level ZeRO、Gemini、DDP等并行策略。

Gradient checkpointing通过在反向传播时重新计算模型的activation来减少内存使用。

通过引入Flash attention机制加速计算并节省显存。用户可以通过命令行参数便捷控制数十个类似的自定义参数，在保持高性能的同时为自定义开发保持了灵活性。

Colossal-AI最新的ShardFormer极大降低了使用多维并行训练LLM的上手成本。

现已支持包括LLaMA的多种等主流模型，且原生支持Huggingface/transformers模型库。

无需改造模型，即可支持多维并行(流水、张量、ZeRO、DDP等)的各种配置组合，能够在各种硬件配置上都发挥卓越的性能。

Colossal-AI：大模型系统基础设施

带来如上新工作的Colossal-AI，如今已是大模型趋势下的明星开发工具和社区了。

Colossal-AI上述解决方案已在某世界500强落地应用，在千卡集群性能优异，仅需数周即可完成千亿参数私有大模型预训练。

上海AI Lab与商汤等新近发布的InternLM也基于Colossal-AI在千卡实现高效预训练。

自开源以来，Colossal-AI多次在GitHub热榜位列世界第一，获得 GitHub Star超3万颗，并成功入选SC、AAAI、PPoPP、CVPR、ISC等国际 AI 与HPC顶级会议的官方教程，已有上百家企业参与共建Colossal-AI生态。

它由加州伯克利大学杰出教授 James Demmel 和新加坡国立大学校长青年教授尤洋领导开发。

Colossal-AI基于PyTorch，可通过高效多维并行、异构内存等，主打为AI大模型训练/微调/推理的开发与应用成本，降低GPU需求等。

其背后公司潞晨科技，近期获得数亿元A轮融资，已在成立18个月内已迅速连续完成三轮融资。

开源地址：https://github.com/hpcaitech/ColossalAI

参考链接：https://www.hpc-ai.tech/blog/large-model-pretraining